샘플과 참조 인구 비교 위한 가중치 사용
샘플과 참조 인구의 차이를 보정하기 위한 가중치 사용은 적절한 참조 인구가 존재할 때 권장된다. 참조 인구의 비율이나 그룹 비율에 실제 차이가 있고, 연구 측정치가 참조 인구의 변수에 의해 영향을 받으며, 그룹 샘플 크기가 안정적인 추정치를 산출할 만큼 클 때 이 방법이 효과적이다.
가중치를 효과적으로 활용하는 방법
가중치를 활용해야 한다면, 가장 먼저 평균의 분석에 적용할 수 있다. 경험 수준에 따라 UX(사용자 경험) 지수를 예측할 수 있는데, 이는 UX 연구에서 흔히 발견되는 타당한 방법이다. 예를 들어, 제품 사용 경험이 다른 참가자로 구성된 샘플인 경우, 각 그룹의 비율에 따라 참조 인구를 반영하는 평균을 만들 수 있다.
그룹 레벨 가중치와 케이스 레벨 가중치
그룹 평균을 참조 인구에 맞추기 위해서는, 각 그룹 평균에 참조 비율을 곱한 후 더한다. 이때 가중치의 합은 1이 되어야 한다.
한편, 케이스 레벨 가중치를 위해서는 참조 비율을 샘플 비율로 나누어 각 케이스의 영향을 조절한다. 이 방법은 일부 사례의 영향을 증가시키고 다른 사례의 영향을 감소시킨다.
복잡한 경험 수준과 가중치 적용
여러 경험 수준을 고려할 때는 그룹 수가 더 많아지지만 동일한 과정이 적용된다. 참조 비율을 사용하여 참조 인구를 더 정확하게 반영하는 가중 평균을 달성할 수 있다.
가중치 사용에 대한 추가 고려 사항
이 기사는 UX 연구자가 자주 직면하는 상황, 즉 샘플 평균을 참조 인구에 더 가깝게 조정하기 위해 가중치를 사용하는 경우에 중점을 두고 있다. 가중치 결과를 바탕으로 중요한 결정을 내리기 전에 샘플과 참조 인구 간의 차이를 조사하는 것이 중요하다.
여러 변수에 대해 샘플을 참조 인구에 맞추는 방법은 특수한 기법과 소프트웨어가 필요하다. 이러한 문제들은 향후 기사에서 다룰 것이다.
출처 : 원문 보러가기
